【正文】 221212 343412123434 33334444 高分辨率圖像 低分辨率圖像序列 圖41：圖像亞抽樣方式也可以使用隨機(jī)抽取的辦法，每幀低分辨率圖像都是在4個(gè)像素里面隨機(jī)抽取一點(diǎn)，但是前面的一種方式有一個(gè)好處，就是原圖像中的所有像素都存在于低分辨率圖像序列中。此外，我們也可以掃描的方式來(lái)獲取低分辨率序列圖像，對(duì)一幅圖案進(jìn)行多次掃描，將掃描精度設(shè)得比較低時(shí)，每次掃描的結(jié)果在圖像細(xì)節(jié)上會(huì)有不少不同處，這正好符合超分辨率圖像重建的本來(lái)目的。圖52表示一幀圖像經(jīng)過(guò)亞抽樣以后得到的低分辨圖像序列。圖42表示一幀圖像經(jīng)過(guò)亞抽樣以后得到的低分辨圖像序列。圖42：抽樣生成的圖像序列 改進(jìn)的POCS算法重構(gòu)結(jié)果及其分析 圖像序列生成了以后，就可以利用測(cè)試程序?qū)OCS算法進(jìn)行重構(gòu)試驗(yàn)。本次實(shí)驗(yàn)首先將圖像進(jìn)行抽樣生成一組LR圖像序列，使用生成的這組噪聲污染小的LR圖像序列來(lái)重建原來(lái)的高分辨率圖像。各幀LR圖像的大小均為128*128，復(fù)原的HR圖像為256*256。試驗(yàn)結(jié)果如圖4446所示 圖43 LR圖像 圖44雙線性插值后的結(jié)果 圖45普通POCS算法處理結(jié)果 圖46基于邊緣保持的POCS算法的結(jié)果由仿真結(jié)果可以看出雙線性插值的結(jié)果出現(xiàn)了邊緣模糊的情況，出現(xiàn)這種情況的主要原因是雙線性插值將原始圖像上的各點(diǎn)首先對(duì)應(yīng)到放大圖像的各點(diǎn)上，在此基礎(chǔ)上做插值并且不區(qū)分邊緣區(qū)域和平滑區(qū)域。對(duì)比圖45和46，基于邊緣保持的POCS算法得到的結(jié)果在細(xì)節(jié)的保持方面要優(yōu)于普通的POCS算法得到的結(jié)果。實(shí)驗(yàn)結(jié)果表明保留邊緣信息的POCS超分辨率圖像重建算法是可行的，并且重建的圖像效果比普通的POCS算法重建圖像的效果有了明顯的提高。 5 結(jié)論 論文總結(jié)本文簡(jiǎn)要回顧圖像序列的超分辨重構(gòu)的發(fā)展現(xiàn)狀，綜合考察了超分辨率及超分辨率復(fù)原的國(guó)內(nèi)外發(fā)展現(xiàn)狀，對(duì)SR重構(gòu)的可行性進(jìn)行了理論分析，建立了SR重建的空域模型。并介紹了超分辨率復(fù)原中的基本理論知識(shí)和基礎(chǔ)技術(shù)，按照超分辨率復(fù)原技術(shù)的發(fā)展過(guò)程，詳細(xì)闡述了超分辨率復(fù)原技術(shù)的各種方法，重點(diǎn)分析了目前的一些主流方法，并對(duì)各種主流方法的性能進(jìn)行了比較。針對(duì)目前某些方法的不足，提出了一些改進(jìn)的算法。本論文的主要研究工作主要包括以下幾個(gè)方面：（1）考察了高分辨率場(chǎng)景經(jīng)成像系統(tǒng)時(shí)逐步退化的整個(gè)過(guò)程，并用數(shù)學(xué)模型描述了這個(gè)過(guò)程，從而建立起超分辨率復(fù)原模型；將基于圖像配準(zhǔn)的運(yùn)動(dòng)參數(shù)估計(jì)方法運(yùn)用于超分辨率復(fù)原技術(shù)中，提高了復(fù)原序列圖像運(yùn)動(dòng)信息的估計(jì)精度和估計(jì)速度，為圖像超分辨率復(fù)原的各個(gè)環(huán)節(jié)提供基礎(chǔ)。（2）對(duì)POCS算法進(jìn)行了比較深入的研究，對(duì)影響算法的各個(gè)因素進(jìn)行了分析，并對(duì)其中的初值選取的方法進(jìn)行改進(jìn)，提出了一種改進(jìn)的凸集投影算法，并通過(guò)試驗(yàn)證明了本文改進(jìn)的方法能夠重建后的圖像的邊緣起到很好的保護(hù)作用。不管是從視覺(jué)上還是對(duì)重建后的圖像進(jìn)行客觀上的評(píng)價(jià)，都有很大的改進(jìn)。 展望 雖然目前的超分辨率研究己經(jīng)取得了比較大的成就，但是仍然不能滿足現(xiàn)在實(shí)際圖像處理領(lǐng)域要求的日益提高，而超分辨率作為一種切實(shí)可行的、有效的圖像處理方法，以其優(yōu)越的性能及廣泛的應(yīng)用，必將越來(lái)越受到人們的推崇，也必將會(huì)更得到更大的發(fā)展。今后的超分辨率研究主要需要從以下幾個(gè)方面進(jìn)行改進(jìn)： (1) 如何建立更加符合實(shí)際情況的圖像模型 目前的超分辨率重建算法的成像模型都做了某些假設(shè)，忽略了一些更一般的問(wèn)題，因而具有一定的局部性，不能適合于所有的應(yīng)用場(chǎng)合。實(shí)際成像過(guò)程中包含了各種退化，包括各種模糊、各種噪聲、各種運(yùn)動(dòng)等，建立、擴(kuò)展反映成像系統(tǒng)降質(zhì)過(guò)程的精確觀測(cè)模型，能使算法具有更好的適應(yīng)性，進(jìn)一步提高SR復(fù)原技術(shù)的性能。此外將圖像的先驗(yàn)信息有效的引入退化，可以使復(fù)原效果更好。(2) 超分辨率圖像重構(gòu)算法的創(chuàng)新研究高分辨率圖像恢復(fù)的算法在圖像運(yùn)動(dòng)估計(jì)、圖像模糊估計(jì)方面需要進(jìn)一步研究。在運(yùn)動(dòng)估計(jì)方面，如果能準(zhǔn)確的得到圖像序列的運(yùn)動(dòng)場(chǎng)就可以從足夠多幀的低分辨率圖像序列中完全復(fù)原出投影到成像平面上的圖像率復(fù)原成功的關(guān)鍵是魯棒的、具有子像素精度的運(yùn)動(dòng)估算技術(shù)。這樣，超分辨超分辨圖像復(fù)原算法的計(jì)算量非常大，為了將超分辨復(fù)原技術(shù)應(yīng)用于實(shí)際情形，開(kāi)發(fā)一些計(jì)算效率高的超分辨算法是很重要的。如何將新的數(shù)學(xué)算法引入到超分辨率算法中，提高超分辨率恢復(fù)的能力、減小運(yùn)算量、加快運(yùn)算的收斂速度，成為實(shí)時(shí)研究的主要工作。除了圖像序列本身以外，實(shí)際應(yīng)用中還可以得到許多關(guān)于被拍攝景物的先驗(yàn)信息。這是超分辨率算法的另一個(gè)信息來(lái)源。先驗(yàn)信息在超分辨率中的運(yùn)用與其它圖像處理和分析環(huán)節(jié)相互關(guān)聯(lián)，成為超分辨率算法研究的新熱點(diǎn)。另外，針對(duì)模型誤差以及不同類(lèi)型的噪聲具有較強(qiáng)穩(wěn)健性和適應(yīng)性的算法，也是實(shí)際應(yīng)用中所需的。(3) 如何擴(kuò)展超分辨率的應(yīng)用要將超分辨率復(fù)原擴(kuò)展到多通道和彩色圖像、三維立體成像、動(dòng)態(tài)多媒體序列、壓縮圖像、CCD陣列成像和核磁共振成像的超分辨率恢復(fù)與增強(qiáng)。將超分辨率技術(shù)應(yīng)用于彩色超分辨率算法和超分辨率算法在壓縮系統(tǒng)中，是今后超分辨率技術(shù)發(fā)展的重要方向。彩色超分辨率重建中一個(gè)重要的問(wèn)題是對(duì)顏色濾波器陣列和顏色插值過(guò)程的特性進(jìn)行分析，并要考慮到重建過(guò)程中顏色成分之間的交叉相關(guān)性。圖像在傳輸和保存之前需要進(jìn)行例行壓縮，因此有必要將超分辨率算法應(yīng)用于壓縮系統(tǒng)中。 總之，對(duì)超分辨率重建技術(shù)的進(jìn)一步深入研究必將導(dǎo)致這一技術(shù)拓寬到一些新的應(yīng)用領(lǐng)域。參考文獻(xiàn)[1] 沈煥鋒，李平湘，張良培等. 圖像超分辨率重建技術(shù)與方法綜述[J]. 光學(xué)技術(shù)， 2009, 35(2): 194199.[2] 浦劍，張軍平，黃華. 超分辨率算法研究綜述[J]. 山東大學(xué)學(xué)報(bào)， 2009, 39(1): 2732.[3] 劉良云，李英才，相里斌. 超分辨率圖像重構(gòu)技術(shù)的仿真實(shí)驗(yàn)研究[J]. 中國(guó)圖象圖形學(xué)報(bào), 2001, 6A(6): 629635.[4] 彭潔，徐啟飛，呂慶文，等. 一種快速超分辨率圖像重建算法[J]. 南方醫(yī)科大學(xué)學(xué)報(bào)，2009, 29(4): 656658.[5] 朱福珍， 李金宗，李冬冬. 基于BP神經(jīng)網(wǎng)絡(luò)的超分辨率圖像重建[J]. 系統(tǒng)工程與電子技術(shù)，2009，31(7): 17461749.[6] .,. Recursive highresolution reconstruction of blurred multiframe images[J]. IEEE Transactions on Image Processing，1993，2(4):534539.[7] 孟慶武. 預(yù)估計(jì)混疊度的MAP超分辨率處理算法[J].軟件學(xué)報(bào)，2004，15（2）：207214.[8] 李慧芳,杜明輝. 基于改進(jìn)的POCS算法的超分辨率圖像恢復(fù)[J].華南理工大學(xué)學(xué)報(bào)：自然科學(xué)版,2003，31(10):2427.[9] ,AltunbasakY. Artifact reduction for set theoretic super resolution image reconstruction with edge adaptive con straints and higherorder interpolants[J]. IEEE Ttans Image Processing,2001,10(10):179180.[10] Pei Shengwei,Du method for Superresolution image reconstr uction based on wavelet transform and POCS[J]. Journal of Infromation and Comp utational Science,2005,2(4):757764. [11] ,. A MAP Approach for Joint Motion Estimation, Segme ntation, and Super Resolution. IEEE Transactions on Image , 16(2): 479489.[12] , and Robust Multiframe Super Reso lution. IEEE Transactions on Image ,13(10):13271344[13] , Efficient ThreeStep Search Algorithm for Block Motion Estim ation. IEEE Transactions on ,6(3):435438.[14] , Image Reconstruction:ATechnical Signal Processing ,(5):